COPD profiles and treatable traits using minimal resources: identification, decision tree and stability over time
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVE: Profiles of people with chronic obstructive pulmonary disease (COPD) often do not describe treatable traits, lack validation and/or their stability over time is unknown. We aimed to identify COPD profiles and their treatable traits based on simple and meaningful measures; to develop and validate a decision tree and to explore profile stability over time. METHODS: An observational, prospective study was conducted. Clinical characteristics, lung function, symptoms, impact of the disease (COPD Assessment Test-CAT), health-related quality of life, physical activity, lower-limb muscle strength and functional status were collected cross-sectionally and a subsample was followed-up monthly over six months. A principal component analysis and a clustering procedure with k-medoids were applied to identify profiles. A decision tree was developed and validated cross-sectionally. Stability was explored over time with the ratio between the number of timepoints that a participant was classified in the same profile and the total number of timepoints (i.e., 6). RESULTS: (< 48 or ≥ 48% predicted) and had an agreement of 71.7% (Cohen's Kappa = 0.62, p < 0.001) with the actual profiles. 48.9% of participants remained in the same profile whilst 51.1% moved between two (47.8%) or three (3.3%) profiles over time. Overall stability was 86.8 ± 15%. CONCLUSION: Four profiles and treatable traits were identified with simple and meaningful measures possibly available in low-resource settings. A decision tree with three commonly used variables in the routine assessment of people with COPD is now available for quick allocation to the identified profiles in clinical practice. Profiles and treatable traits may change over time in people with COPD hence, regular assessments to deliver goal-targeted personalised treatments are needed.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».